基于改进YOLOv8的SAR图像飞机目标检测算法
An Aircraft Target Detection Algorithm Based on Improved YOLOv8 in SAR Image作者机构:三峡大学电气与新能源学院湖北宜昌443002 三峡大学湖北省建筑质量检测装备工程技术研究中心湖北宜昌443002 三峡大学计算机与信息学院湖北宜昌443002
出 版 物:《电讯技术》 (Telecommunication Engineering)
年 卷 期:2024年第64卷第8期
页 面:1206-1212页
学科分类:080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程]
基 金:国家级大学生创新创业训练计划(202011075013 202111075012)
主 题:合成孔径雷达 飞机目标检测 网络重构 可变形卷积 GAM注意力机制
摘 要:针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像飞机目标检测算法存在模型复杂度较高、检测效果差、泛化能力弱等问题,提出了一种基于改进YOLOv8的SAR图像飞机目标检测算法。首先,针对SAR图像飞机目标较小的特点,剔除大目标检测层,重构特征提取网络和特征融合网络,降低模型计算量。其次,在主干网络引入可变形卷积(Deformable Convolutional Network, DCN),增强特征提取能力;在颈部网络引入全局注意力机制(Global Attention Mechanism, GAM)提高检测精度。最后,采用WIOU(Wise-IoU)损失函数提高收敛速度和回归精度。在SADD数据集(SAR Aircraft Detection Dataset)上实验结果显示,改进算法较原YOLOv8算法模型体积压缩59.66%,参数量降低61.18%,计算量减少18.29%,最高精度提高至98.1%。与其他算法相比,所提算法在保证较高检测精度的情况下大幅降低了模型体积、参数量和计算量,实现了模型复杂度和检测精度的平衡。